注意：这里考虑 矩阵 C 是对称矩阵。
计算 ∂ tr ( Z T Z C ) ∂ Z \frac{\partial \text{tr}(Z^T Z C)}{\partial Z} ∂Z∂tr(ZTZC) 需要使用矩阵微分的一些基本规则。这里 Z Z Z 是一个 n × m n \times m n×m 的矩阵，而 C C C 是一个 m × m m \times m m×m 的方阵。我们希望找到这个迹（trace）函数对 Z Z Z 的导数。
使用矩阵微分的基本规则
-
迹的性质：对于任意两个矩阵 A A A 和 B B B，如果乘积 A B AB AB 是方阵，则 tr ( A B ) = tr ( B A ) \text{tr}(AB) = \text{tr}(BA) tr(AB)=tr(BA)。
-
矩阵微分：对于矩阵 X X X 和 Y Y Y，有 ∂ tr ( X Y ) ∂ X = Y T \frac{\partial \text{tr}(XY)}{\partial X} = Y^T ∂X∂tr(XY)=YT。
-
链式法则：我们可以将 tr ( Z T Z C ) \text{tr}(Z^T Z C) tr(ZTZC) 看作是多个函数的组合，并应用链式法则来求导。
具体计算
我们需要计算 ∂ tr ( Z T Z C ) ∂ Z \frac{\partial \text{tr}(Z^T Z C)}{\partial Z} ∂Z∂tr(ZTZC)。为了简化问题，我们可以利用迹函数的性质和矩阵微分的基本规则。
首先，定义 F = Z T Z C F = Z^T Z C F=ZTZC，那么我们要求的是 ∂ tr ( F ) ∂ Z \frac{\partial \text{tr}(F)}{\partial Z} ∂Z∂tr(F)。
∂ tr ( Z T Z C ) ∂ Z \frac{\partial \text{tr}(Z^T Z C)}{\partial Z} ∂Z∂tr(ZTZC)
我们可以使用以下步骤来计算：
-
引入辅助变量：
F = Z T Z C F = Z^T Z C F=ZTZC
我们需要计算 ∂ tr ( F ) ∂ Z \frac{\partial \text{tr}(F)}{\partial Z} ∂Z∂tr(F)。 -
使用迹函数的性质：
由于 tr ( Z T Z C ) = tr ( C Z T Z ) \text{tr}(Z^T Z C) = \text{tr}(C Z^T Z) tr(ZTZC)=tr(CZTZ)，我们可以使用 tr ( A B ) = tr ( B A ) \text{tr}(AB) = \text{tr}(BA) tr(AB)=tr(BA) 的性质。 -
应用矩阵微分：
根据矩阵微分的基本规则，对于 X X X 和 Y Y Y，有 ∂ tr ( X Y ) ∂ X = Y T \frac{\partial \text{tr}(XY)}{\partial X} = Y^T ∂X∂tr(XY)=YT。 -
具体计算：
∂ tr ( Z T Z C ) ∂ Z = ∂ tr ( C Z T Z ) ∂ Z \frac{\partial \text{tr}(Z^T Z C)}{\partial Z} = \frac{\partial \text{tr}(C Z^T Z)}{\partial Z} ∂Z∂tr(ZTZC)=∂Z∂tr(CZTZ)我们可以将 C Z T Z C Z^T Z CZTZ 视为 A Z T A Z^T AZT，其中 A = C Z T A = C Z^T A=CZT。然后应用矩阵微分规则：
∂ tr ( A Z T ) ∂ Z = ( A Z T ) T = Z A T \frac{\partial \text{tr}(A Z^T)}{\partial Z} = (A Z^T)^T = Z A^T ∂Z∂tr(AZT)=(AZT)T=ZAT
代入
A
=
C
Z
T
A = C Z^T
A=CZT，我们得到：
∂
tr
(
C
Z
T
Z
)
∂
Z
=
Z
(
C
Z
T
)
T
=
Z
C
T
\frac{\partial \text{tr}(C Z^T Z)}{\partial Z} = Z (C Z^T)^T = Z C^T
∂Z∂tr(CZTZ)=Z(CZT)T=ZCT
由于
C
C
C 是一个
m
×
m
m \times m
m×m 的方阵，
C
T
=
C
C^T = C
CT=C。因此：
∂
tr
(
Z
T
Z
C
)
∂
Z
=
Z
C
+
Z
C
=
2
Z
C
\frac{\partial \text{tr}(Z^T Z C)}{\partial Z} = Z C + Z C = 2 Z C
∂Z∂tr(ZTZC)=ZC+ZC=2ZC
- 最终结果
因此，
∂
tr
(
Z
T
Z
C
)
∂
Z
\frac{\partial \text{tr}(Z^T Z C)}{\partial Z}
∂Z∂tr(ZTZC) 的结果是：
∂
tr
(
Z
T
Z
C
)
∂
Z
=
2
Z
C
\frac{\partial \text{tr}(Z^T Z C)}{\partial Z} = 2 Z C
∂Z∂tr(ZTZC)=2ZC
这里 Z Z Z 是一个 n × m n \times m n×m 的矩阵， C C C 是一个 m × m m \times m m×m 的方阵，最终结果是一个 n × m n \times m n×m 的矩阵。
重大案例：为了对 Z Z Z 求偏导，我们需要分别对每一项求导，并将结果相加。给定的目标函数是：
min Z ⟨ Y 1 , X − X Z − E X ⟩ + μ 1 2 ∥ X − X Z − E X ∥ F 2 + ⟨ Y 2 , Z − Z C − E Z ⟩ + μ 2 2 ∥ Z − Z C − E Z ∥ F 2 + ⟨ W , Z − G ⟩ + ρ 2 ∥ Z − G ∥ F 2 \min_{Z} \left\langle Y_1, X - XZ - E_X \right\rangle + \frac{\mu_1}{2} \|X - XZ - E_X\|_F^2 + \left\langle Y_2, Z - ZC - E_Z \right\rangle + \frac{\mu_2}{2} \|Z - ZC - E_Z\|_F^2 + \left\langle W, Z - G \right\rangle + \frac{\rho}{2} \|Z - G\|_F^2 Zmin⟨Y1,X−XZ−EX⟩+2μ1∥X−XZ−EX∥F2+⟨Y2,Z−ZC−EZ⟩+2μ2∥Z−ZC−EZ∥F2+⟨W,Z−G⟩+2ρ∥Z−G∥F2
逐项求导
第一项： ⟨ Y 1 , X − X Z − E X ⟩ \left\langle Y_1, X - XZ - E_X \right\rangle ⟨Y1,X−XZ−EX⟩
对 Z Z Z 求导：
∂ ∂ Z ⟨ Y 1 , X − X Z − E X ⟩ = − X T Y 1 \frac{\partial}{\partial Z} \left\langle Y_1, X - XZ - E_X \right\rangle = -X^T Y_1 ∂Z∂⟨Y1,X−XZ−EX⟩=−XTY1第二项： μ 1 2 ∥ X − X Z − E X ∥ F 2 \frac{\mu_1}{2} \|X - XZ - E_X\|_F^2 2μ1∥X−XZ−EX∥F2
对 Z Z Z 求导：
∂ ∂ Z ( μ 1 2 ∥ X − X Z − E X ∥ F 2 ) = − μ 1 X T ( X − X Z − E X ) \frac{\partial}{\partial Z} \left( \frac{\mu_1}{2} \|X - XZ - E_X\|_F^2 \right) = -\mu_1 X^T (X - XZ - E_X) ∂Z∂(2μ1∥X−XZ−EX∥F2)=−μ1XT(X−XZ−EX)
简化为：
− μ 1 X T ( X − X Z − E X ) = − μ 1 X T X + μ 1 X T X Z + μ 1 X T E X -\mu_1 X^T (X - XZ - E_X) = -\mu_1 X^T X + \mu_1 X^T X Z + \mu_1 X^T E_X −μ1XT(X−XZ−EX)=−μ1XTX+μ1XTXZ+μ1XTEX第三项： ⟨ Y 2 , Z − Z C − E Z ⟩ \left\langle Y_2, Z - ZC - E_Z \right\rangle ⟨Y2,Z−ZC−EZ⟩
对 Z Z Z 求导：
∂ ∂ Z ⟨ Y 2 , Z − Z C − E Z ⟩ = Y 2 − Y 2 C \frac{\partial}{\partial Z} \left\langle Y_2, Z - ZC - E_Z \right\rangle = Y_2 - Y_2 C ∂Z∂⟨Y2,Z−ZC−EZ⟩=Y2−Y2C第四项： μ 2 2 ∥ Z − Z C − E Z ∥ F 2 \frac{\mu_2}{2} \|Z - ZC - E_Z\|_F^2 2μ2∥Z−ZC−EZ∥F2
对 Z Z Z 求导：
∂ ∂ Z ( μ 2 2 ∥ Z − Z C − E Z ∥ F 2 ) = μ 2 ( I − C ) ( Z − Z C − E Z ) \frac{\partial}{\partial Z} \left( \frac{\mu_2}{2} \|Z - ZC - E_Z\|_F^2 \right) = \mu_2 (I - C) (Z - ZC - E_Z) ∂Z∂(2μ2∥Z−ZC−EZ∥F2)=μ2(I−C)(Z−ZC−EZ)
简化为：
μ 2 ( I − C ) ( Z − Z C − E Z ) = μ 2 ( I − C ) Z − μ 2 ( I − C ) Z C − μ 2 ( I − C ) E Z \mu_2 (I - C) (Z - ZC - E_Z) = \mu_2 (I - C) Z - \mu_2 (I - C) ZC - \mu_2 (I - C) E_Z μ2(I−C)(Z−ZC−EZ)=μ2(I−C)Z−μ2(I−C)ZC−μ2(I−C)EZ第五项： ⟨ W , Z − G ⟩ \left\langle W, Z - G \right\rangle ⟨W,Z−G⟩
对 Z Z Z 求导：
∂ ∂ Z ⟨ W , Z − G ⟩ = W \frac{\partial}{\partial Z} \left\langle W, Z - G \right\rangle = W ∂Z∂⟨W,Z−G⟩=W第六项： ρ 2 ∥ Z − G ∥ F 2 \frac{\rho}{2} \|Z - G\|_F^2 2ρ∥Z−G∥F2
对 Z Z Z 求导：
∂ ∂ Z ( ρ 2 ∥ Z − G ∥ F 2 ) = ρ ( Z − G ) \frac{\partial}{\partial Z} \left( \frac{\rho}{2} \|Z - G\|_F^2 \right) = \rho (Z - G) ∂Z∂(2ρ∥Z−G∥F2)=ρ(Z−G)将所有导数相加
将上述各项的导数相加，我们得到：
∂ ∂ Z ( 目标函数 ) = − X T Y 1 − μ 1 X T ( X − X Z − E X ) + Y 2 − Y 2 C + μ 2 ( I − C ) ( Z − Z C − E Z ) + W + ρ ( Z − G ) \frac{\partial}{\partial Z} \left( \text{目标函数} \right) = -X^T Y_1 - \mu_1 X^T (X - XZ - E_X) + Y_2 - Y_2 C + \mu_2 (I - C) (Z - ZC - E_Z) + W + \rho (Z - G) ∂Z∂(目标函数)=−XTY1−μ1XT(X−XZ−EX)+Y2−Y2C+μ2(I−C)(Z−ZC−EZ)+W+ρ(Z−G)
整理结果
将各项整理合并，得到最终的导数表达式：
∂ ∂ Z ( 目标函数 ) = − X T Y 1 − μ 1 X T X + μ 1 X T X Z + μ 1 X T E X + Y 2 − Y 2 C + μ 2 ( I − C ) Z − μ 2 ( I − C ) Z C − μ 2 ( I − C ) E Z + W + ρ Z − ρ G \frac{\partial}{\partial Z} \left( \text{目标函数} \right) = -X^T Y_1 - \mu_1 X^T X + \mu_1 X^T X Z + \mu_1 X^T E_X + Y_2 - Y_2 C + \mu_2 (I - C) Z - \mu_2 (I - C) ZC - \mu_2 (I - C) E_Z + W + \rho Z - \rho G ∂Z∂(目标函数)=−XTY1−μ1XTX+μ1XTXZ+μ1XTEX+Y2−Y2C+μ2(I−C)Z−μ2(I−C)ZC−μ2(I−C)EZ+W+ρZ−ρG
进一步简化和整理：
∂ ∂ Z ( 目标函数 ) = ( μ 1 X T X + μ 2 ( I − C ) + ρ I ) Z − μ 1 X T X Z C − μ 2 ( I − C ) Z C − X T Y 1 + μ 1 X T E X + Y 2 − Y 2 C − μ 2 ( I − C ) E Z + W − ρ G \frac{\partial}{\partial Z} \left( \text{目标函数} \right) = (\mu_1 X^T X + \mu_2 (I - C) + \rho I) Z - \mu_1 X^T X ZC - \mu_2 (I - C) ZC - X^T Y_1 + \mu_1 X^T E_X + Y_2 - Y_2 C - \mu_2 (I - C) E_Z + W - \rho G ∂Z∂(目标函数)=(μ1XTX+μ2(I−C)+ρI)Z−μ1XTXZC−μ2(I−C)ZC−XTY1+μ1XTEX+Y2−Y2C−μ2(I−C)EZ+W−ρG
最终结果可以写成：
∂ ∂ Z ( 目标函数 ) = ( μ 1 X T X + μ 2 ( I − C ) + ρ I ) Z − μ 1 X T X Z C − μ 2 ( I − C ) Z C − X T Y 1 + μ 1 X T E X + Y 2 − Y 2 C − μ 2 ( I − C ) E Z + W − ρ G \frac{\partial}{\partial Z} \left( \text{目标函数} \right) = (\mu_1 X^T X + \mu_2 (I - C) + \rho I) Z - \mu_1 X^T X ZC - \mu_2 (I - C) ZC - X^T Y_1 + \mu_1 X^T E_X + Y_2 - Y_2 C - \mu_2 (I - C) E_Z + W - \rho G ∂Z∂(目标函数)=(μ1XTX+μ2(I−C)+ρI)Z−μ1XTXZC−μ2(I−C)ZC−XTY1+μ1XTEX+Y2−Y2C−μ2(I−C)EZ+W−ρG
这就是对 Z Z Z 求偏导后的结果。
下面是详细的求偏导步骤:好的，我们来详细地逐步求解每一步的偏导数，并将结果整理在一起。给定的目标函数是：
min Z ⟨ Y 1 , X − X Z − E X ⟩ + μ 1 2 ∥ X − X Z − E X ∥ F 2 + ⟨ Y 2 , Z − Z C − E Z ⟩ + μ 2 2 ∥ Z − Z C − E Z ∥ F 2 + ⟨ W , Z − G ⟩ + ρ 2 ∥ Z − G ∥ F 2 \min_{Z} \left\langle Y_1, X - XZ - E_X \right\rangle + \frac{\mu_1}{2} \|X - XZ - E_X\|_F^2 + \left\langle Y_2, Z - ZC - E_Z \right\rangle + \frac{\mu_2}{2} \|Z - ZC - E_Z\|_F^2 + \left\langle W, Z - G \right\rangle + \frac{\rho}{2} \|Z - G\|_F^2 Zmin⟨Y1,X−XZ−EX⟩+2μ1∥X−XZ−EX∥F2+⟨Y2,Z−ZC−EZ⟩+2μ2∥Z−ZC−EZ∥F2+⟨W,Z−G⟩+2ρ∥Z−G∥F2
逐项求导
1. 第一项： ⟨ Y 1 , X − X Z − E X ⟩ \left\langle Y_1, X - XZ - E_X \right\rangle ⟨Y1,X−XZ−EX⟩
对 Z Z Z 求导：
∂ ∂ Z ⟨ Y 1 , X − X Z − E X ⟩ = ∂ ∂ Z tr ( Y 1 T ( X − X Z − E X ) ) \frac{\partial}{\partial Z} \left\langle Y_1, X - XZ - E_X \right\rangle = \frac{\partial}{\partial Z} \text{tr}(Y_1^T (X - XZ - E_X)) ∂Z∂⟨Y1,X−XZ−EX⟩=∂Z∂tr(Y1T(X−XZ−EX))
利用迹的性质 tr ( A B ) = tr ( B A ) \text{tr}(AB) = \text{tr}(BA) tr(AB)=tr(BA) 和矩阵微分的基本规则：
∂ ∂ Z tr ( Y 1 T ( X − X Z − E X ) ) = ∂ ∂ Z tr ( ( X − X Z − E X ) T Y 1 ) = ∂ ∂ Z tr ( − X T Y 1 Z + constant terms ) = − X T Y 1 \frac{\partial}{\partial Z} \text{tr}(Y_1^T (X - XZ - E_X)) = \frac{\partial}{\partial Z} \text{tr}((X - XZ - E_X)^T Y_1)\\ = \frac{\partial}{\partial Z} \text{tr}(-X^T Y_1 Z + \text{constant terms})\\ = -X^T Y_1 ∂Z∂tr(Y1T(X−XZ−EX))=∂Z∂tr((X−XZ−EX)TY1)=∂Z∂tr(−XTY1Z+constant terms)=−XTY12. 第二项： μ 1 2 ∥ X − X Z − E X ∥ F 2 \frac{\mu_1}{2} \|X - XZ - E_X\|_F^2 2μ1∥X−XZ−EX∥F2
对 Z Z Z 求导：
∂ ∂ Z ( μ 1 2 ∥ X − X Z − E X ∥ F 2 ) = μ 1 2 ∂ ∂ Z tr ( ( X − X Z − E X ) T ( X − X Z − E X ) ) \frac{\partial}{\partial Z} \left( \frac{\mu_1}{2} \|X - XZ - E_X\|_F^2 \right) = \frac{\mu_1}{2} \frac{\partial}{\partial Z} \text{tr}((X - XZ - E_X)^T (X - XZ - E_X)) ∂Z∂(2μ1∥X−XZ−EX∥F2)=2μ1∂Z∂tr((X−XZ−EX)T(X−XZ−EX))
利用迹的性质和矩阵微分的基本规则：
= μ 1 2 ∂ ∂ Z tr ( ( X − X Z − E X ) T ( X − X Z − E X ) ) = μ 1 2 ∂ ∂ Z tr ( ( X − X Z − E X ) T ( X − X Z − E X ) ) = μ 1 2 ∂ ∂ Z tr ( ( X − X Z − E X ) T ( X − X Z − E X ) ) = μ 1 2 ⋅ 2 ( X − X Z − E X ) T ( − X ) = − μ 1 X T ( X − X Z − E X ) = − μ 1 X T X + μ 1 X T X Z + μ 1 X T E X = \frac{\mu_1}{2} \frac{\partial}{\partial Z} \text{tr}((X - XZ - E_X)^T (X - XZ - E_X))\\ = \frac{\mu_1}{2} \frac{\partial}{\partial Z} \text{tr}((X - XZ - E_X)^T (X - XZ - E_X))\\ = \frac{\mu_1}{2} \frac{\partial}{\partial Z} \text{tr}((X - XZ - E_X)^T (X - XZ - E_X))\\ = \frac{\mu_1}{2} \cdot 2 (X - XZ - E_X)^T (-X)\\ = -\mu_1 X^T (X - XZ - E_X)\\ = -\mu_1 X^T X + \mu_1 X^T X Z + \mu_1 X^T E_X =2μ1∂Z∂tr((X−XZ−EX)T(X−XZ−EX))=2μ1∂Z∂tr((X−XZ−EX)T(X−XZ−EX))=2μ1∂Z∂tr((X−XZ−EX)T(X−XZ−EX))=2μ1⋅2(X−XZ−EX)T(−X)=−μ1XT(X−XZ−EX)=−μ1XTX+μ1XTXZ+μ1XTEX3. 第三项： ⟨ Y 2 , Z − Z C − E Z ⟩ \left\langle Y_2, Z - ZC - E_Z \right\rangle ⟨Y2,Z−ZC−EZ⟩
对 Z Z Z 求导：
∂ ∂ Z ⟨ Y 2 , Z − Z C − E Z ⟩ = ∂ ∂ Z tr ( Y 2 T ( Z − Z C − E Z ) ) \frac{\partial}{\partial Z} \left\langle Y_2, Z - ZC - E_Z \right\rangle = \frac{\partial}{\partial Z} \text{tr}(Y_2^T (Z - ZC - E_Z)) ∂Z∂⟨Y2,Z−ZC−EZ⟩=∂Z∂tr(Y2T(Z−ZC−EZ))
利用迹的性质和矩阵微分的基本规则：
= ∂ ∂ Z tr ( ( Z − Z C − E Z ) T Y 2 ) = ∂ ∂ Z tr ( Z T Y 2 − Z T Y 2 C − constant terms ) = Y 2 − Y 2 C = \frac{\partial}{\partial Z} \text{tr}((Z - ZC - E_Z)^T Y_2)\\ = \frac{\partial}{\partial Z} \text{tr}(Z^T Y_2 - Z^T Y_2 C - \text{constant terms})\\ = Y_2 - Y_2 C =∂Z∂tr((Z−ZC−EZ)TY2)=∂Z∂tr(ZTY2−ZTY2C−constant terms)=Y2−Y2C4. 第四项： μ 2 2 ∥ Z − Z C − E Z ∥ F 2 \frac{\mu_2}{2} \|Z - ZC - E_Z\|_F^2 2μ2∥Z−ZC−EZ∥F2
对 Z Z Z 求导：
∂ ∂ Z ( μ 2 2 ∥ Z − Z C − E Z ∥ F 2 ) = μ 2 2 ∂ ∂ Z tr ( ( Z − Z C − E Z ) T ( Z − Z C − E Z ) ) \frac{\partial}{\partial Z} \left( \frac{\mu_2}{2} \|Z - ZC - E_Z\|_F^2 \right) = \frac{\mu_2}{2} \frac{\partial}{\partial Z} \text{tr}((Z - ZC - E_Z)^T (Z - ZC - E_Z)) ∂Z∂(2μ2∥Z−ZC−EZ∥F2)=2μ2∂Z∂tr((Z−ZC−EZ)T(Z−ZC−EZ))
利用迹的性质和矩阵微分的基本规则：
= μ 2 2 ⋅ 2 ( Z − Z C − E Z ) T ( I − C ) = μ 2 ( I − C ) ( Z − Z C − E Z ) = μ 2 ( I − C ) Z − μ 2 ( I − C ) Z C − μ 2 ( I − C ) E Z = \frac{\mu_2}{2} \cdot 2 (Z - ZC - E_Z)^T (I - C)\\ = \mu_2 (I - C) (Z - ZC - E_Z)\\ = \mu_2 (I - C) Z - \mu_2 (I - C) ZC - \mu_2 (I - C) E_Z =2μ2⋅2(Z−ZC−EZ)T(I−C)=μ2(I−C)(Z−ZC−EZ)=μ2(I−C)Z−μ2(I−C)ZC−μ2(I−C)EZ5. 第五项： ⟨ W , Z − G ⟩ \left\langle W, Z - G \right\rangle ⟨W,Z−G⟩
对 Z Z Z 求导：
∂ ∂ Z ⟨ W , Z − G ⟩ = ∂ ∂ Z tr ( W T ( Z − G ) ) \frac{\partial}{\partial Z} \left\langle W, Z - G \right\rangle = \frac{\partial}{\partial Z} \text{tr}(W^T (Z - G)) ∂Z∂⟨W,Z−G⟩=∂Z∂tr(WT(Z−G))
利用迹的性质和矩阵微分的基本规则：
= ∂ ∂ Z tr ( ( Z − G ) T W ) = W = \frac{\partial}{\partial Z} \text{tr}((Z - G)^T W)\\ = W =∂Z∂tr((Z−G)TW)=W6. 第六项： ρ 2 ∥ Z − G ∥ F 2 \frac{\rho}{2} \|Z - G\|_F^2 2ρ∥Z−G∥F2
对 Z Z Z 求导：
∂ ∂ Z ( ρ 2 ∥ Z − G ∥ F 2 ) = ρ 2 ∂ ∂ Z tr ( ( Z − G ) T ( Z − G ) ) \frac{\partial}{\partial Z} \left( \frac{\rho}{2} \|Z - G\|_F^2 \right) = \frac{\rho}{2} \frac{\partial}{\partial Z} \text{tr}((Z - G)^T (Z - G)) ∂Z∂(2ρ∥Z−G∥F2)=2ρ∂Z∂tr((Z−G)T(Z−G))
利用迹的性质和矩阵微分的基本规则：
= ρ 2 ⋅ 2 ( Z − G ) T = ρ ( Z − G ) = \frac{\rho}{2} \cdot 2 (Z - G)^T\\ = \rho (Z - G) =2ρ⋅2(Z−G)T=ρ(Z−G)将所有导数相加
将上述各项的导数相加，我们得到：
∂ ∂ Z ( 目标函数 ) = − X T Y 1 − μ 1 X T X + μ 1 X T X Z + μ 1 X T E X + Y 2 − Y 2 C + μ 2 ( I − C ) Z − μ 2 ( I − C ) Z C − μ 2 ( I − C ) E Z + W + ρ Z − ρ G \frac{\partial}{\partial Z} \left( \text{目标函数} \right) = -X^T Y_1 - \mu_1 X^T X + \mu_1 X^T X Z + \mu_1 X^T E_X + Y_2 - Y_2 C + \mu_2 (I - C) Z - \mu_2 (I - C) ZC - \mu_2 (I - C) E_Z + W + \rho Z - \rho G ∂Z∂(目标函数)=−XTY1−μ1XTX+μ1XTXZ+μ1XTEX+Y2−Y2C+μ2(I−C)Z−μ2(I−C)ZC−μ2(I−C)EZ+W+ρZ−ρG
整理结果
将各项整理合并，得到最终的导数表达式：
∂ ∂ Z ( 目标函数 ) = ( μ 1 X T X + μ 2 ( I − C ) + ρ I ) Z − μ 1 X T X Z C − μ 2 ( I − C ) Z C − X T Y 1 + μ 1 X T E X + Y 2 − Y 2 C − μ 2 ( I − C ) E Z + W − ρ G \frac{\partial}{\partial Z} \left( \text{目标函数} \right) = (\mu_1 X^T X + \mu_2 (I - C) + \rho I) Z - \mu_1 X^T X ZC - \mu_2 (I - C) ZC - X^T Y_1 + \mu_1 X^T E_X + Y_2 - Y_2 C - \mu_2 (I - C) E_Z + W - \rho G ∂Z∂(目标函数)=(μ1XTX+μ2(I−C)+ρI)Z−μ1XTXZC−μ2(I−C)ZC−XTY1+μ1XTEX+Y2−Y2C−μ2(I−C)EZ+W−ρG
这就是对 Z Z Z 求偏导后的结果。
扫一扫
1442
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
